DevOps-инженер (ML/AI, DevSecOps, MLSecOps)

В Блоке Информационной безопасности в Департаменте координации защиты информации в Управлении безопасности инфраструктуры открыта вакансия для DevOps-инженера (ML/AI, DevSecOps, MLSecOps)

Ключевые задачи:

• Проектирование и сопровождение инфраструктуры для обучения и инференса ML и LLM-моделей

• Автоматизация CI/CD пайплайнов разработки ПО и DataScience-команды: сборка ПО, тестирование, сборка образов, тестирование моделей, деплой в различные окружения

• Работа с GPU-инфраструктурой и управление on-premise GPU-серверами: настройка драйверов ОС, мониторинг, оптимизация использования ресурсов

• Внедрение практик DevSecOps: сканирование уязвимостей в контейнерах (Trivy), SAST/DAST, управление секретами (HashiCorp Vault), политики сетевой безопасности

• Обеспечение безопасности ML и AI-пайплайнов (MLSecOps): защита данных, контроль доступа к моделям, мониторинг дрейфа и аномалий

• Мониторинг и логирование инфраструктуры и приложений (Prometheus, Grafana)

Что важно для нас:

• Опыт администрирования и уверенное владение Linux (AstraLinux)

• Навыки разработки скриптов автоматизации (bash, python)

• Опыт конфигурирования и сопровождения СУБД (postgres, clickhouse)

• Уверенное владение Docker, опыт построения CI/CD (GitLab CI / Jenkins / GitHub Actions)

• Понимание основ безопасности: управление доступом, сетевые политики, принципы минимальных привилегий

• Опыт работы с GPU-инстансами, опыт работы с системами мониторинга (Prometheus, Grafana)

• Базовое понимание жизненного цикла ML-моделей: разница между обучением и инференсом, работа с фреймворками (PyTorch/TensorFlow)

• Понимание основных элементов AI-инфраструктуры (инфраструктура LLM, AI-агенты, MCP-серверы)

• Готовность разбираться в требованиях AI-инженеров и ML-разработчиков (DataScience) и предлагать инфраструктурные решения

Будет преимуществом:

• Опыт конфигурирования кластеров Kubernetes (helm, операторы, написание манифестов)

• Опыт использования систем управления конфигурацией и знакомство с…